항공기 CFRP 홀 출구부 이미지 기반 CNN 품질 판정 및 Grid Search 기반 절삭조건 최적화 = CNN-Based Quality Assessment Using Exit-Hole Images of Aircraft CFRP and Grid Search–Based Optimization of Cutting Conditions

다국어 초록 (Multilingual Abstract)

In the aircraft manufacturing industry, the use of composite materials such as Carbon Fiber Reinforced Plastics (CFRP) has increased to reduce structural weight and improve fuel efficiency. However, because of their anisotropic and layered structure, composites are prone to defects such as delamination during drilling, which can degrade structural reliability and fatigue life. Accordingly, quantitative evaluation of drilling quality and the establishment of robust cutting conditions have become critical issues in aerospace manufacturing. In this paper, delamination during drilling of aircraft composite materials is predicted using a CNN-based artificial intelligence model, and optimal cutting conditions are identified via a Grid Search over candidate parameter combinations. Experimental results indicate that Feed Rate and drill geometry are the primary factors affecting drilling quality, and the proposed approach provides a practical AI-based decision-support framework for quality management and process optimization in composite machining.

국문 초록 (Abstract)

항공기 제조 산업에서는 구조 경량화와 연료 효율 향상을 위해 CFRP를 비롯한 복합소재의 적용이 확대되고 있다. 그러나 복합소재는 이방성 및 적층 구조로 인해 홀 가공 과정에서 뜯김(delamination)과 같은 결함이 발생하기 쉽고, 이는 구조 신뢰성과 피로 수명 저하로 이어질 수 있다. 이러한 이유로 항공기 복합소재 가공 품질을 정량적으로 평가하고 안정적인 절삭조건을 확보하는 것이 중요한 과제로 인식되고 있다. 본 연구에서는 항공기 복합소재 홀 가공 시 발생하는 뜯김 현상을 CNN 기반 인공지능 모델로 예측하고, Grid Search를 통해 최적 절삭조건을 도출하였다. 실험 결과, Feed Rate와 드릴 형상이 가공 품질에 주요한 영향을 미치는 인자로 확인되었으며, 제안한 방법은 항공기 복합소재 홀 가공의 품질 관리와 절삭조건 최적화에 효과적으로 활용될 수 있음을 확인하였다.